مقایسه روش های کلاس بندی درخت تصمیم، یادگیری عمیق و کی-نزدیک ترین همسایه در پیش بینی درآمد افراد: مطالعه موردی واقعی
- سال انتشار: 1400
- محل انتشار: دومین کنفرانس بین المللی چالش ها و راهکارهای نوین در مهندسی صنایع و مدیریت و حسابداری
- کد COI اختصاصی: CSIEM02_291
- زبان مقاله: فارسی
- تعداد مشاهده: 525
نویسندگان
کارشناسی ارشد، مهندسی صنایع، دانشکده علوم طبیعی و مهندسی، دانشگاه سابانچی، استانبول، ترکیه
کارشناسی ارشد علوم اقتصادی، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ایران
چکیده
مدیریت اطلاعات افراد در یک کشور از اهمیت خاصی برخوردار است و پیش بینی بر مبنای اطلاعات شخصی افراد نیز حائز اهمیت می باشد. در این مقاله با استفاده از اطلاعات شخصی افراد، وضعیت درآمد سالیانه هر فرد براساس دو کلاس الف (کمتر از ۵۰۰۰۰ دلار) و ب (بیشتر از ۵۰۰۰۰ دلار) پیش بینی می شود. ابتدا داده ها وارد عملیات پیش پردازش و آماده سازی می شوند. پس از اعمال روش های پاک سازی، نرمال سازی، حذف نویز و داده گم شده و گسسته سازی، داده های پیش پردازش شده وارد مرحله کلاس بندی می شوند. سپس داده های مسئله با استفاده از تکنیک های کلاس بندی شامل درخت تصمیم، یادگیری عمیق و کی-نزدیک ترین همسایه، مدل سازی می شوند. در نهایت، روش کلاس بندی کی-نزدیک ترین همسایه با پارامتر ۲۰ به عنوان الگوی بهینه انتخاب می شود. نتایج نشان می دهد که درآمد افراد مجرد در مقایسه با افراد متاهل پایین تر بوده و برای افراد مجرد با سنین کم، وضعیت درآمد بالا نمی باشد.کلیدواژه ها
پیش بینی درآمد، داده کاوی، کلاس بندی، الگوریتم کی نزدیکترین همسایهمقالات مرتبط جدید
- تاثیر مدیریت سود و ارزش شرکت با در نظر گرفتن نقش گزارشگری مسئولیت اجتماعی و مالکیت دولتی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران
- حکمرانی شرکتی در شرکت های دولتی و ضرورت اصلاحات نهادی؛ چالش ها و فرصت ها
- نقش و کاربرد هوش مصنوعی در آینده حسابداری
- تاثیر سیاست های پولی بر تورم در اقتصادهای در حال توسعه
- تاثیر راهبردهای بازرسی هوشمند مجازی بر عملکرد سازمان ها
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.